[论文解读] Resolving multi-proxy transitive vote delegation

Jonas Degrave|arXiv (Cornell University)|Dec 11, 2014

Access Control and Trust被引用 3

一句话总结

本文提出了一种液态民主中的多代理传递性投票委托系统，其中每位选民可将其投票分配给多个值得信赖的代理，确保传递性委托的同时通过均等分配投票实现公平性。该方法使用线性方程组和矩阵求逆来计算最终得票权重，通过非形式化分析证明其正确性，并展示了其在稀疏网络中的适用性。

ABSTRACT

Solving a delegation graph for transitive votes is already a non-trivial task for many programmers. When extending the current main paradigm, where each voter can only appoint a single transitive delegation, to a system where each vote can be separated over multiple delegations, solving the delegation graph becomes even harder. This article presents a solution of an example graph, and a non-formal proof of why this algorithm works.

研究动机与目标

• 解决液态民主中单代理委托的局限性，即当委托人弃权时投票可能丢失的问题。
• 设计一种系统，使每位选民可将其投票拆分给多个值得信赖的代理，确保传递性委托。
• 提供一种数学上严谨且计算上可行的方法，用于计算复杂委托网络中的最终得票权重。
• 支持对投票来源和分配的详细反馈，提升液态投票系统中的透明度和问责性。

提出的方法

• 将委托问题建模为线性方程组，其中每位选民的总支持票等于其自身投票加上来自其委托人的票的份额。
• 构建委托图的矩阵表示，使用邻接矩阵 A 和单位矩阵 I 来建模票权传播。
• 应用 Neumann 级数计算总得票权重为 (I - A)^(-1) * J，其中 J 为初始得票向量。
• 使用矩阵求逆 (I - A)^(-1) 计算最终得票权重，其中 B = I - A 确保可逆性和双射性。
• 采用稀疏矩阵技术优化大规模网络中的性能和内存使用。
• 通过一个具体的 25 个节点示例验证该方法，显示线性系统与 Neumann 级数方法结果一致。

实验结果

研究问题

• RQ1 如何在保持传递性和公平性的前提下，将投票委托从单代理扩展到多代理系统？
• RQ2 何种数学框架能够准确计算多代理传递性委托图中的最终得票权重？
• RQ3 为何矩阵逆 (I - A)^(-1) 能正确表示网络中每位选民的总影响力？
• RQ4 该系统如何为个体选民提供关于投票来源和分配的有意义反馈？
• RQ5 将该方法应用于大规模稀疏委托网络时，其计算和可扩展性影响如何？

主要发现

• 系统通过矩阵求逆正确计算了最终得票权重，其中 (I - A)^(-1) 提供了每位选民的总影响力。
• 该方法确保了所有活跃委托人之间得票的公平分配，每位委托人获得其接收得票的相应比例。
• 在此上下文中，矩阵 B = I - A 始终可逆，保证了任意有效委托图均有唯一解。
• 该解支持对投票贡献的详细反馈，其中 B^(-1) 的每个元素表示某位委托人对选民最终得票权重的贡献。
• 由于稀疏性，该方法在大规模网络中仍保持计算可行性，通过稀疏矩阵算法进一步优化性能。
• 该方法可扩展以支持加权委托或基于委托深度的影响力衰减。